UNIDAD 3: PASO 4- DESCRIPCIÓN DE LA INFORMACIÓN

ESTADISTICA DESCRIPTIVA

TUTOR:

NORBEY ROMERO

DIRECTOR DE CURSO:

MILTON FERNANDO ORTEGON PAVA

NATALIA ANDREA PADILLA LOPEZ

1006490873

202107095_101

BUGALAGRANDE

UNAD

2020
 INTRODUCCIÓN

Este trabajo se lleva a cabo con la finalidad de reconocer, aplicar y familiarizarnos con los nuevos

conceptos que se presentan en los recursos de esta actividad, estos mismos serán aplicados a los datos

proporcionados que son los resultados de las pruebas del año 2019 en algunos departamentos

en Colombia, los cuales nos ayudaran a poner en práctica los procedimientos aprendidos y nos

ayudará a interpretar los datos resultantes de acuerdo al contexto.

JUSTIFICACIÓN

Esta actividad nos permite poner en práctica las diferentes herramientas que nos proporciona la

estadística para procesar distintos tipos de datos, permitiéndonos percibir diferentes perspectivas

sobre los temas que se procesen con estos recursos.

OBJETIVO GENERAL

Aplicar las medidas estadísticas bivariantes, por medio del cálculo e interpretación del software

estadístico, en función de la problemática objeto de estudio.

OBJETIVOS ESPECIFICOS

 Familiarizarnos con los diferentes procesos que nos proporciona la estadística para

procesar información

 Aplicar los diferentes procesos a los datos proporcionados.

 Interpretar y adaptar los resultados obtenidos a un contexto práctico.

 MAPA MENTAL

DEFINICIÓN DE CONCEPTOS.

-Diagrama de dispersión.

También es conocido como grafico de dispersión o de correlación, es la representación gráfica de

dos variables, analizando su relación entre si para conocer como y que tanto se afectan entre sí o

que tan independientes son.

-Correlación lineal simple.  

Una vez se ha identificado que entre dos variables hay una correlación lineal, la correlación

lineal simple se utiliza para determinar la dirección y la magnitud de la relación 

-Coeficiente de determinación R2

También llamado R^2 o R al cuadrado, es una herramienta estadística que se utiliza en

planteamientos de la misma naturaleza con el fin de predecir resultados respecto a la relación

entre las variables, se define como la proporción de la varianza total de la variable, es el

porcentaje de variación de la variable, mientras mayor sea R2, mejor será el ajuste del modelo a

sus datos.

-Correlación positiva y correlación negativa

La correlación estadística es medida por lo que se denomina coeficiente de correlación, su valor

nos indicara si es negativo o positivo, r>0 indica una relación positiva, y r<0 indicará una

relación negativa, de igual manera hay una parte neutra donde r=0, que nos indicara la

independencia de las variables.

-¿Qué es el coeficiente de correlación lineal y qué nos ayuda a medir?

El coeficiente de la correlación lineal es una medida que nos ayuda a conocer el grado o nivel de

asociación línea entre dos variables cuantitativas, mide la fuerza y el sentido de la relación lineal

entre las variables, entre más cerca es a 1, más fuerte es y entre más cercano sea a 0 se debilita

hasta anularse.
 EJERCICIO PRÁCTICO

3.4 Estatura-Peso.

Una Nutricionista de un hogar infantil desea encontrar un modelo matemático que permita

determinar la relación entre el peso y la estatura de sus estudiantes. Para ello selecciona 10 niños

y realiza las mediciones respectivas

Estatura (cm) 120 124 107 118 112 110 115 104 110

Peso (kg) 24 23 19 24 21 19 22 16 20
La correlación
corresponde a un 94% lo
cuál es excelente.
ESTATURA (CM) PESO (KG)
120 24
124 23
107 19
118 24
112 21
110 19
115 22
104 16
110 20
0.91649689
COEF. CORRE 1 Entre más estatura más peso
0.83996655
COEF. DETER 1 84%

Coeficiente de determinación R2: También llamado R^2 o R al

cuadrado, es una herramienta estadística que se utiliza en
planteamientos de la misma naturaleza con el fin de predecir
resultados respecto a la relación entre variables, se define como la
proporción de la varianzala total de la variable, es el porcentaje de
variación de la variable, mientras mayor sea R2, mejor será el
ajuste modelo a sus datos
 NUMERO DE CUARTOS EN EL
PERSONAS EN EL
HOGAR
HOGAR
(INDEPENDIENTE) (DEPENDIENTE)
2 1
30
3 1
25
5 4
1 2
20
4 2
15
peso

6 3
10
10 6
5
6 4
0
100 105 110 115 120 125 130 2 2
altura 3 4
R 3 3 EL
ACIÓN LINEAL FUERTE 5 4
3 1
7 4
ANÁLISIS DE CORRELACIÓN LINEAL
3 2
SIMPLE DE LAS DOS VARIABLES
5 4
CUANTITATIVAS SELECCIONADAS.
4 2
10
4 2
8
Numero de Cuartos

4 3
6 4 3
4 2 2
2 4 2
0
4 3
0 2 4 6 8 10 12 14 4 3
Numero de personas 4 3
4 2
4 ANALISIS DE LA3INFORMACIÓN
4 3
Hay una correlación lineal no tan fuerte, el coeficiente R2 4 3
Si bien podemos observar según nuestros
corresponde al 15% el cuál es bastante bajo, lo cuál no hace 4 4
datos y grafica, si bien, en algunas ocasiones la
confiable el análisis para predecir el comportamiento de las 4
variable, Cuartos en el4hogar, crece de manera
variables 4
simultanea de acuerdo8al Número de personas
en7 el hogar, no se puede
9 deducir que siempre
que haya más personas en el hogar, van a
3 7
haber más cuartos ya que esta relación no se
Entre más personas hay en el 3
presenta 7 estar relacionada a
siempre y puede
COEF. CORRE. 0.38271336 hogar, más cuartos hay. 5 7
otros factores.
COEF. DETER. 0.14646952 15% 7 7
3 6
3 6
2 4
3 4
2 4
3 3
3 3
3 1
2 1
10 6
6 4
4 2
 ANÁLISIS DE CORRELACIÓN LINEAL MÚLTIPLE DE LAS VARIABLES
CUANTITATIVAS SELECCIONADAS.

EDAD DEL CUARTOS NUMERO DE

ESTRATO PERSONAS EN EL
ESTUDIANT EN EL HOGAR
FAMILIAR
E HOGAR (INDEPENDIENTE)
2 14 1 2
1 14 1 3
2 14 4 5
2 14 2 1
2 14 2 4
4 17 3 6
3 15 6 10
3 15 4 6
3 15 2 2
5 15 4 3
2 15 3 3
4 15 4 5
2 15 1 3
4 15 4 7
5 15 2 3
5 15 4 5
4 15 2 4
3 15 2 4
3 15 3 4
3 16 3 4
4 16 2 2
3 16 2 4
4 16 3 4
5 16 3 4
3 16 3 4
2 16 2 4
4 16 3 4
6 16 3 4
3 16 3 4
4 16 4 4
4 16 4 4
5 16 8 4
1 18 9 7
2 18 7 3
1 18 7 3
0 18 7 5
1 18 7 7
1 18 6 3
2 18 6 3
1 18 4 2
1 18 4 3
1 18 4 2
1 18 3 3
1 18 3 3
1 18 1 3
1 18 1 2
1 19 6 10
3 19 4 6
2 19 2 4
1 19 2 2
1 19 2 2
1 19 2 4
1 19 2 6
1 19 2 6
1 19 2 4
3 19 3 6
1 19 2 11
1 19 2 2
1 19 5 4
1 19 2 6
1 19 1 2
2 19 2 6
1 18 3 4
3 18 6 5
1 18 4 5
1 18 1 5
1 18 2 6
1 18 4 6
1 18 1 2
1 16 1 2
3 16 3 4
3 16 3 5
3 16 2 4
3 16 5 6
5 17 5 6
4 17 2 2
4 17 3 4
4 17 3 4
2 17 3 4
4 17 2 4
3 17 3 4
3 17 3 4
4 17 3 4
4 17 3 4
3 17 3 4
2 15 3 4
3 15 2 4
1 15 3 2
5 15 3 4
3 15 3 4
4 16 4 4
3 16 3 4
2 16 3 4
5 16 3 12
1 16 2 4
4 16 2 4
3 16 3 4
3 16 2 4
3 16 3 4
3 16 3 4
5 18 4 4
4 18 3 4
2 18 5 4
4 18 3 6
5 18 3 4
1 18 5 6
4 18 4 4
5 18 2 4
4 18 4 4
5 18 4 6
4 18 3 4
4 18 2 2
4 15 3 4
4 15 4 6
4 15 3 4
6 15 3 4
4 15 4 6
4 15 2 4
6 15 2 4
3 15 3 4
1 15 6 11
4 15 2 4
6 15 3 4
6 15 3 4
6 15 4 6
4 15 3 4
6 15 3 4
6 16 4 4
6 16 3 4
6 16 4 6
5 16 3 4
6 16 3 4
5 16 4 6
5 16 3 4
4 16 3 4
4 16 3 6
6 16 2 4
4 17 3 4
5 17 5 6
4 17 4 6
4 17 3 4
3 17 3 6
6 17 3 6
6 17 2 4
4 17 3 4
4 17 3 4
4 17 4 6
6 17 3 4
4 17 3 4
4 15 3 4
3 15 4 6
6 15 3 4
5 15 5 8
6 15 4 6
5 15 4 6
2 15 3 4
5 15 5 4
6 15 3 4
4 15 3 4
4 15 3 4
 Diagrama de dispersión
10
9
8
Número de cuartos

7
6
5
4
3 f(x) = 0.01 x + 3.22
2 R² = 0
1
0
0 1 2 3 4 5 6 7
Estrato

COEF. COR. 0.00638945  

R2 4.0825E-05 0%
En esta diagrama de dispersión
podemos apreciar que la correlación
es nula, ya que no se presenta un
comportamiento relacionado entre
ambas variables.

Diagrama de dispersión
20
18
16 f(x) = 0.03 x + 16.39
14 R² = 0
12
Edad

10
8
6
4
2
0
0 2 4 6 8 10 12 14
Numero de personas en el hogar

Debido a que estas variables son

independientes entre si, no se
 COEF. COR. 0.03623925  
presenta ninguna relación entre ellas R2 0.00131328 0%
a la hora de analizarlas.

14
12
10
8
Axis Title

6 f(x) = 0.47 x + 2.9 COEF. COR. 0.38271336  

R² = 0.15 Linear () R2 0.14646952 15%
4
Linear ()
2
0
0 1 2 3 4 5 6 7 8 9 10
Axis Title

En este caso R2 es igual a 15%, lo

cual indica que hay una pequeña
relación entre las variables, sin
embargo, el comportamiento no
siempre es el mismo respecto a la
otra

CONCLUSIONES

Esta actividad nos permite aprender nuevos métodos estadísticos prácticos que nos pueden servir

a la hora de observar el comportamiento de las variables estadísticas, nos indica también que, el

hecho de que dos variables estén relacionadas, no quiere decir que sean dependientes o que su

comportamiento sea similar, ya que, en algunas ocasiones, por el contrario, sus características

indicarán de manera negativa.

REFERENCIAS BIBLIOGRAFICAS
Martínez, C. (2011). Capítulo 2. Distribuciones de frecuencia. En: Estadística y muestreo, 13a

ed. [Online] Bogotá: Ecoe Ediciones. (pp 570 – 582). Recuperado de http://www.ebooks7-

24.com.bibliotecavirtual.unad.edu.co/?il=739 Montero, J.M. (2007).

Regresión y Correlación Simple. Madrid: Paraninfo. (pp 130 – 158). Recuperado de

https://link.gale.com/apps/doc/CX4052100011/GVRL?u=unad&sid=GVRL&xid=696103db

Churchill, G.A. (2009). Análisis de Correlación y de Regresión Simple. México City: Cengage

Learning. (pp-675–686). Recuperado de https://link.gale.com/apps/doc/CX4058900232/GVRL?

u=unad&sid=GVRL&xid=a2479593